La verità dietro gli annunci
Entro la fine di quest’anno il denaro incanalato nell’infrastruttura dell’intelligenza artificiale avrà superato i mille miliardi di dollari, una cifra che da sola racconta l’ambizione di un’epoca convinta di trovarsi sulla soglia della più grande trasformazione economica dai tempi della rivoluzione industriale, eppure quando due tra gli studiosi di management più rispettati al mondo si sono presi la briga di confrontare le affermazioni più audaci con le evidenze disponibili, ciò che hanno trovato non è stata una rivoluzione già in atto ma un divario, un hype gap, lo scarto tra ciò che dell’AI viene annunciato e ciò che, misurato con onestà, sta effettivamente accadendo.
È questo il cuore del saggio che Gary Hamel, visiting professor alla Saïd Business School di Oxford, e Michele Zanini, direttore di The Management Lab, hanno firmato con un titolo che è già un programma, Closing the AI Hype Gap: chiudere il divario dell’entusiasmo.
Vale la pena chiarirlo subito, perché è la premessa che rende interessante tutto il resto: Hamel e Zanini non sono due scettici dell’AI, si dichiarano utenti intensi di questi strumenti, riconoscono che l’intelligenza artificiale avrà un impatto pervasivo probabilmente paragonabile a quello di internet, e non hanno alcun interesse a minimizzarne il valore.
Ciò che mettono in discussione non è la tecnologia ma la retorica che la circonda, e il metodo che scelgono è tanto semplice quanto raro, perché consiste nel prendere le previsioni più clamorose sul lavoro, sull’intelligenza artificiale generale e sulla produttività, e nel chiedere ai dati se le confermano. Da questa domanda apparentemente banale nascono quattro riflessioni che, lette dalla prospettiva che a noi interessa, quella di chi mette l’essere umano al centro di ogni ragionamento tecnologico, diventano molto più di un esercizio di verifica statistica.
1. L’onestà intellettuale come punto di partenza
C’è una parola che ritorna nella conclusione del saggio, ed è una parola che raramente associamo alla tecnologia: onestà. Guardando insieme ai tre grandi terreni dell’entusiasmo emerge un disegno coerente, e cioè che le affermazioni più audaci arrivano quasi sempre da chi ha un interesse finanziario o reputazionale a ingigantire l’impatto dell’AI, mentre il quadro si fa più prudente e più accurato ogni volta che a raccogliere i dati sono ricercatori che non hanno nulla da guadagnare dal clamore. La chiusura del loro ragionamento, allora, non è una previsione ma un invito, quello a calibrare le nostre aspettative su ciò che le evidenze mostrano davvero, resistendo alla tentazione di sostituire proiezioni suggestive a prove concrete.
Detto in questi termini può sembrare un richiamo pedante alla cautela, e invece è qualcosa di più profondo, perché l’onestà intellettuale di cui parlano gli autori non è una virtù astratta ma una postura umana, la stessa che distingue chi legge un dato per capire da chi lo cita per convincere. In un tempo in cui valutazioni di borsa, programmi di investimento pubblici e persino scelte di politica industriale si costruiscono su previsioni, la capacità di guardare i numeri per quello che dicono, e non per quello che vorremmo dicessero, diventa una forma di responsabilità condivisa che riguarda tutti noi: chi decide dove allocare miliardi, chi disegna le regole e chi semplicemente cerca di orientarsi in un dibattito assordante.
Che l’AI sia straordinaria, del resto, per molti versi lo è davvero, e resta da capire soltanto se quella che stiamo ascoltando sia la versione raccontata da chi la costruisce e la vende o quella che i dati, messi pazientemente in fila, compongono.
2. Tra esposizione e sostituzione, la distinzione che cambia tutto
Nessuna narrazione ha generato più allarme di quella sulla disoccupazione di massa, e le immagini che la accompagnano sono vivide, dai professionisti del terziario rimpiazzati dai chatbot a una generazione di giovani che si affaccia a un mercato del lavoro che sembra non avere più bisogno di loro. Sono scenari alimentati da cifre autorevoli, perché il lavoro accademico di riferimento, firmato da Eloundou e colleghi su Science, stima che circa l’ottanta per cento dei lavoratori statunitensi abbia almeno il dieci per cento delle proprie mansioni esposte all’AI e che il diciannove per cento ne abbia esposta più della metà, ma è proprio qui che si annida l’equivoco che ha contaminato tre anni di dibattito. Gli stessi autori di quello studio avevano sottolineato ciò che quasi nessuno ripete, e cioè che l’esposizione misura la fattibilità tecnica dell’automazione di un compito e non l’inevitabilità della scomparsa di un posto di lavoro: un avvocato la cui ricerca legale può essere assistita dall’AI è tecnicamente esposto, eppure quello stesso avvocato potrebbe scoprire che la tecnologia lo rende più produttivo e il suo lavoro più ricco, non più superfluo.
La differenza tra esposizione e sostituzione non è un cavillo, ed è illustrata da una vicenda che dovrebbe far riflettere chiunque si fidi troppo delle profezie, perché nel 2016 Geoffrey Hinton, che di quella disciplina è uno dei padri riconosciuti, arrivò a dire che si dovrebbe smettere di formare radiologi adesso, convinto che il riconoscimento automatico delle immagini li avrebbe resi obsoleti nel giro di pochi anni, mentre nel 2026 la principale società di radiologia americana descrive la carenza di radiologi come la sfida più grande della professione, perché individuare un’anomalia su una lastra è soltanto una parte di un mestiere fatto di interpretazione di risultati ambigui, coordinamento con l’équipe, comunicazione con il paziente e responsabilità legale.
Quando si passa dalla fattibilità potenziale all’impatto reale il quadro cambia radicalmente, e l’analisi dell’Economic Innovation Group sul triennio 2022-2025 trova un effetto occupazionale dell’AI sostanzialmente invisibile, con i lavoratori più esposti che hanno visto la disoccupazione crescere addirittura meno di quelli meno esposti, mentre il World Economic Forum, pur prevedendo la scomparsa di novantadue milioni di ruoli entro il 2030, ne stima centosettanta milioni di nuovi, per un saldo netto positivo di settantotto milioni. Persino il dato più citato a sostegno dell’apocalisse, il calo del sedici per cento dei posti d’ingresso per i giovani nelle occupazioni esposte rilevato dai ricercatori di Stanford, si complica quando si scopre, come documenta uno studio dell’Università di Pittsburgh, che quel declino era già cominciato all’inizio del 2022, mesi prima del lancio di ChatGPT, e che entro il giugno 2023 quasi metà della flessione si era già materializzata, in un arco di tempo troppo breve perché centinaia di migliaia di mansioni potessero essere automatizzate, tanto che la causa più probabile va cercata nella stretta monetaria e nel ridimensionamento delle grandi aziende tecnologiche più che nell’automazione.
3. La frontiera frastagliata: dove l’AI funziona, e dove ancora no
Se la disoccupazione di massa non si vede nei dati, questo non significa che l’AI non produca valore, e qui il saggio di Hamel e Zanin offre l’immagine forse più utile per orientarsi, quella che il ricercatore di Harvard Fabrizio Dell’Acqua chiama la frontiera frastagliata: l’intelligenza artificiale è brillante sui compiti strutturati, con criteri di successo chiari e uno spazio di soluzioni ben definito, e cede vistosamente su quelli ambigui, che richiedono giudizio, contesto e la capacità di tenere insieme molti passaggi. Dove funziona, funziona davvero, e le evidenze non mancano, perché uno studio su oltre cinquemila addetti all’assistenza clienti registra un aumento del quindici per cento nei problemi risolti per ora con un balzo del trentasei per cento per i lavoratori meno esperti, i consulenti del Boston Consulting Group completano i compiti di ricerca il diciotto per cento più velocemente, e l’analisi più completa a oggi, condotta dallo Stanford Digital Economy Lab su cinquantuno casi di implementazione riuscita, riporta un guadagno di produttività mediano del settantuno per cento nelle applicazioni agentiche.
Sono numeri veri, ma raccolti quasi sempre in domini circoscritti come l’assistenza clienti, la sicurezza informatica e i servizi sul campo, tanto che la conclusione degli autori resta misurata: l’AI è utile, non ancora capace di cambiare le regole del gioco.
I limiti diventano evidenti quando si sale di ambizione, perché sul fronte dell’intelligenza artificiale generale il settantasei per cento dei ricercatori interpellati dalla principale associazione del settore ritiene improbabile che il semplice potenziamento degli approcci attuali basti a raggiungerla, e persino i più celebrati indicatori di progresso mostrano crepe, al punto che Andrej Karpathy, tra le voci più autorevoli del campo, ha osservato come allenare i modelli sui test sia diventato una nuova forma d’arte, con i punteggi che si scollegano dalle capacità reali. Il grafico più condiviso come prova che l’AI stia per raggiungere l’autonomia, quello che mostra gli agenti capaci di svolgere compiti di programmazione sempre più lunghi fino a sedici ore, si ridimensiona quando si guardano da vicino le scelte di misurazione che lo sostengono, e gli stessi ricercatori che lo hanno prodotto ammettono che negli altri domini l’orizzonte temporale dell’AI è dalle quaranta alle cento volte più corto.
Non a caso lo stesso Karpathy descrive gli agenti di oggi come entità stagiste, capaci ma soggette a errori che si accumulano lungo la catena, tanto che un tasso d’errore dell’uno per cento per singolo passaggio riduce a circa il trentasette per cento la probabilità di portare a termine correttamente una sequenza di cento passi.
E poi c’è il paradosso più antico di tutti, quello che l’economista Robert Solow formulò nel 1987 osservando che l’era del computer si vedeva ovunque tranne che nelle statistiche sulla produttività, e che oggi si ripresenta identico, con l’ottantanove per cento di seimila dirigenti che dichiara nessun impatto dell’AI sulla produttività della propria azienda negli ultimi tre anni e con le stime più rigorose, quelle del premio Nobel Daron Acemoglu, che quantificano il guadagno di produttività in circa lo zero virgola zero sei per cento l’anno per il prossimo decennio.
4. Chi guadagna dal clamore, e chi paga il conto
A questo punto la domanda diventa inevitabile, ed è la domanda che a noi interessa più di ogni altra: se i dati raccontano una storia così diversa da quella dominante, chi ha interesse a tenere alto il volume delle promesse?
Hamel e Zanini non lo dicono con acredine ma con lucidità, e la loro osservazione conclusiva è la chiave di lettura dell’intero saggio, perché le previsioni più clamorose arrivano quasi sempre da chi trae un vantaggio finanziario o reputazionale dall’amplificare l’impatto dell’AI, mentre il quadro si fa sobrio quando i numeri li mette in fila chi non ha nulla in gioco. Non è difficile riconoscere lo schema, se si pensa a quante delle affermazioni più roboanti sull’intelligenza artificiale generale imminente o sulla disoccupazione di massa provengano proprio da chi quei sistemi li costruisce e li vende, e questo non toglie nulla al valore reale della tecnologia ma cambia il modo in cui dovremmo leggere le sue promesse, perché una narrazione non è mai neutra e chi la controlla orienta le aspettative di mercati, governi e persone.
Il conto di quel divario, del resto, comincia già a vedersi, perché soltanto il diciannove per cento delle imprese, secondo la rilevazione di UBS del marzo 2026, utilizza l’AI in produzione su scala, a fronte di un anno prima in cui l’ottantaquattro per cento si diceva certo di arrivarci entro dodici mesi, e la ragione più citata è l’incertezza sul ritorno dell’investimento, aggravata da costi che sorprendono, tra chi ha esaurito l’intero budget annuale dedicato all’AI nei primi quattro mesi e chi ha accumulato una fattura da cinquecento milioni di dollari in trenta giorni per non aver posto un limite alle licenze. Sono i sintomi di una distanza tra la promessa e l’implementazione che qualunque tech humanizer riconosce, perché è la stessa che incontriamo in ogni progetto di trasformazione, dove il problema non è quasi mai la tecnologia in sé ma l’illusione di poter comprimere in un modello ciò che resta profondamente umano, la conoscenza tacita, il giudizio, la capacità di riorganizzare il lavoro anziché limitarsi ad automatizzarlo.
Ciò che rende prezioso questo saggio, allora, non è la lista dei ridimensionamenti ma la postura che lo attraversa, la stessa che proviamo a tenere ogni settimana da queste pagine, un entusiasmo lucido che non ha bisogno di gonfiare la realtà per trovarla interessante.
L’intelligenza artificiale sta avanzando, la sua adozione si diffonde e in molti campi produce benefici concreti che sarebbe sciocco negare, ma tra il celebrarla come una divinità e il temerla come una minaccia esiste lo spazio più fertile di tutti, quello in cui restiamo noi a decidere a cosa serve, per chi, e chi ne trae davvero vantaggio.
Quanto in fretta l’intelligenza artificiale diventerà straordinaria lo scopriremo comunque, con o senza le nostre previsioni; quanto sapremo restare abbastanza umani da chiedere a ogni promessa se coincide davvero con i nostri fini dipende invece interamente da noi, ed è l’unico divario che possiamo chiudere ogni giorno, leggendo i numeri per quello che dicono e non per quello che vorremmo dicessero.
Nota editoriale
Questo articolo nasce dalla lettura del saggio Closing the AI Hype Gap di Gary Hamel e Michele Zanini, pubblicato il 20 luglio 2026, e ne rielabora dati e argomenti in una riflessione personale. Le quattro sezioni riprendono, nella struttura, i quattro nuclei di riflessione dell’originale: l’onestà intellettuale, la distinzione tra esposizione e sostituzione, la frontiera frastagliata delle capacità e l’asimmetria degli incentivi. Le cifre citate sono state riscontrate sul testo originale e sulle note bibliografiche del saggio.
